Umělá inteligence pro robustní analýzu signálu z piezoelektrických biosenzorů

Lukáš Frána

Artificial Intelligence for the Robust Analysis of Piezoelectric Biosensors

Type of document

bakalářská práce
bachelor thesis

Author

Lukáš Frána

Supervisor

Fabián Vratislav

Opponent

Horák Petr

Field of study

Základy umělé inteligence a počítačových věd

Study program

Otevřená informatika

Institutions assigning rank

katedra kybernetiky

Rights

A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html

Metadata

Show full item record

Abstract

Piezoelektrické biosenzory lze využít k detekci toxických materiálů ve komplexních vzorcích. Diskutovány budou různé techniky pro analýzu signálu z těchto senzorů. Budou představeny metody pro přípravu dat, redukci šumu a filtrování. Výstup z předzpracování dat bude použit jako vstup pro klasifikační algoritmy založené na umělé inteligenci. Tato práce pojednává o využití umělé inteligence (UI) ke zlepšení výkonnostních charakteristik QCM biosenzorů. Konkrétněji se ukáže, že UI lze použít ke klasifikaci pozitivních a negativních vzorků na základě změn rezonanční frekvence.

Piezoelectric biosensors can be used for the detection of toxic materials in a complex mass. Here, various techniques are discussed for signal analysis of these sensors. Methods for data preparation, noise reduction and filtering will be introduced. The output of the data preprocessing will be used as an input for classification algorithms based on the artificial intelligence. This thesis discusses the use of artificial intelligence (AI) to improve the performance characteristics of QCM biosensors. More specifically, it will be shown that AI can be used to classify positive and negative samples based on the changes in resonant frequency.